本文關鍵詞：冗余度涂膠機器人關鍵技術研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著汽車工業(yè)生產技術的快速發(fā)展和生產規(guī)模的迅猛增長,汽車生產過程和工藝也日趨復雜與先進。為保證汽車產品質量、提升汽車綜合產能,形形色色的工業(yè)機器人紛紛在汽車生產線上精彩亮相,并大顯身手。時至今日,汽車生產線上的工業(yè)機器人不但具有高度的機動性、靈活性,也具有高度的智能性。當前,具有一定冗余自由度的機器人開始得到人們的關注與青睞。由于具有額外的自由度,與普通工業(yè)機器人相比,冗余度機器人具有更加寬廣的工作空間、更加靈活的運動特性和更加突出的加工質量,在滿足執(zhí)行器末端軌跡跟蹤任務的同時可以完成運動避障、避免關節(jié)角度超限以及優(yōu)化工作載荷分配等相關工作。但汽車生產現(xiàn)場往往環(huán)境復雜,障礙眾多,如何使冗余度機器人能夠自動識別復雜多變的環(huán)境,并以此為依據(jù)對其運動軌跡進行實時規(guī)劃,保證高標準的完成預定工作任務,是冗余度機器人技術發(fā)展的關鍵所在,也是本文研究的重點所在。為了對上述目標進行系統(tǒng)研究和深入探索,本文以一款經IRB 1410工業(yè)機器人改造得到的冗余度涂膠機器人為實例,以該冗余度涂膠機器人在工業(yè)化生產現(xiàn)場的具體應用為背景,對影響該冗余度涂膠機器人工作性能與使用效果的核心技術——冗余度機器人正逆運動學分析、運動障礙物避障策略,以及利用機器視覺對環(huán)境目標進行重建和識別的方法進行了探討,具體內容如下:第一,運用相關理論方法對冗余度涂膠機器人的正運動學問題進行推導,并對其逆運動學求解方法進行了討論,并在此基礎上提出了一種全新的虛擬關節(jié)法來求解機器人的逆運動學問題。當冗余度涂膠機器人同時滿足惟一性要求和解耦條件時,虛擬關節(jié)法將其重構成僅具有六個自由度的虛擬機器人,以便對其進行求解。在完成六自由度虛擬機器人逆運動學求解后,再將得到的解轉化為冗余度涂膠機器人的解,從而實現(xiàn)了冗余度涂膠機器人的逆運動學求解。由于虛擬關節(jié)法考慮了機器人關節(jié)運動限制的具體情況及相關指標,構造了機器人的運動規(guī)劃權重函數(shù),可以在關節(jié)運動限制范圍內優(yōu)化冗余度涂膠機器人各關節(jié)變量,進而提升機器人的控制水平。仿真結果表明,在涂膠點和法向量已知的條件下,使用該方法可以快速有效的完成機器人關節(jié)角度的求解。第二,對冗余度涂膠機器人的軌跡規(guī)劃方法進行了研究,求解了該機器人的工作空間,同時提出了一種多運動障礙物動態(tài)避障的算法,以改進傳統(tǒng)避障算法的不足。該算法利用各障礙物的運動狀態(tài)得到與冗余度涂膠機器人之間的最小預測距離,并利用雅可比轉置矩陣將該最小預測距離推導出為機器人上對應桿件的躲避速度。此后,將所得躲避速度引入梯度投影法中求得冗余度涂膠機器人相應的關節(jié)角速度,并通過積分得到避障運動中機器人的關節(jié)角度值,在完成機器人執(zhí)行器末端軌跡跟蹤的同時實現(xiàn)避障。仿真結果表明,該方法可有效實現(xiàn)冗余度涂膠機器人對多個運動障礙物的動態(tài)避障。第三,為了實現(xiàn)冗余度涂膠機器人對特定目標的識別,提高其動態(tài)避障能力和加工精度水平,研究了基于模型的圖像分割算法和輪廓優(yōu)化匹配算法。首先分析了傳統(tǒng)的基于模型分割算法的特點及不足,并在此基礎上提出了一種基于原始圖像和差分圖像統(tǒng)計信息的局部活動輪廓模型。通過卷積圖像與原圖像相減,使得目標與背景的對比度加強,進而減少了噪聲的影響。其后,又提出了一種輪廓優(yōu)化匹配算法,在整體上對輪廓的視差進行求解,其好處是可以減少誤匹配現(xiàn)象的出現(xiàn),大大減少了匹配點的數(shù)目,從而在提高圖像匹配的精度同時減少了圖像匹配時間。對具有不同初始輪廓的圖形進行的測試結果表明,與其它模型相比,本文提出的方法減弱了對初始輪廓的依賴性,能夠正確提取弱邊緣、灰度不均勻的圖像,這對改善冗余度涂膠機器人對特定目標的識別效果大有助益。最后,對基于仿生機理的特定目標識別方法進行了研究。為了簡化使用樣本對神經網絡進行訓練的過程與步驟,采取不變矩方法將一幅圖像轉化為包含7個數(shù)字的一組不變矩,再求取每一幅圖像的不變矩,將圖像對應的不變矩和圖像中目標的代號作為一組訓練樣本,由此獲得的樣本大大簡化,減少了干擾因素,縮短了訓練時間,提高了識別準確率。仿真分析和實驗驗證的結果均表明,本文所述方法能夠有效提高神經網絡目標識別的正確率,提升冗余度涂膠機器人的工作質量和作業(yè)效率。
【關鍵詞】：冗余度涂膠機器人 正逆運動學 動態(tài)避障 虛擬關節(jié)法 圖像分割 特征匹配 目標識別
【學位授予單位】：北京理工大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP242
【目錄】：

• 摘要5-7
• Abstract7-12
• 第1章 緒論12-29
• 1.1 研究背景與目的12
• 1.2 冗余度機器人的特點與發(fā)展12-24
• 1.2.1 冗余度機器人的特點12-13
• 1.2.2 冗余度機器人的國內外發(fā)展現(xiàn)狀13-19
• 1.2.3 冗余度機器人逆運動學研究現(xiàn)狀19-22
• 1.2.4 冗余度機器人控制優(yōu)化方法22-24
• 1.3 基于仿生機理的機器視覺感知與目標識別24-27
• 1.3.1 機器視覺在工業(yè)機器人領域的應用與發(fā)展24-26
• 1.3.2 仿生機理在機器視覺中的應用與發(fā)展26-27
• 1.4 本文研究內容27-29
• 第2章 冗余度涂膠機器人系統(tǒng)分析29-42
• 2.1 工業(yè)涂膠機器人系統(tǒng)組成29-33
• 2.1.1 工業(yè)涂膠機器人的國內外發(fā)展現(xiàn)狀29-30
• 2.1.2 工業(yè)涂膠機器人的系統(tǒng)構成與分類30-33
• 2.2 IRB 1410機器人介紹33-36
• 2.2.1 IRB 1410機器人的組成與構型33-34
• 2.2.2 IRB 1410機器人的工作空間與運動性能34-36
• 2.3 冗余度涂膠機器人方案設計與實驗平臺搭建36-41
• 2.4 本章小結41-42
• 第3章 冗余度涂膠機器人運動控制研究42-85
• 3.1 冗余度機器人運動學基本原理42-45
• 3.1.1 空間坐標系與坐標變換43-44
• 3.1.2 運動學方程建立準則44-45
• 3.2 冗余度涂膠機器人正運動學研究45-51
• 3.2.1 冗余度涂膠機器人運動學方程46-50
• 3.2.2 冗余度涂膠機器人正運動學分析50-51
• 3.3 冗余度涂膠機器人逆運動學研究51-62
• 3.3.1 逆運動學解問題的討論51-52
• 3.3.2 基于虛擬關節(jié)法的冗余度逆解算法52-55
• 3.3.3 冗余度機器人工具坐標系位姿的求解55-56
• 3.3.4 虛擬機器人逆運動學求解56-62
• 3.4 基于Simulink/Adams聯(lián)合仿真的逆運動學驗證實驗62-71
• 3.4.1 機器人末端軌跡規(guī)劃62-63
• 3.4.2 Adams中模型的導入與處理63-66
• 3.4.3 Simulink/Adams聯(lián)合仿真實驗66-69
• 3.4.4 對照實驗69-71
• 3.5 冗余度涂膠機器人動力學研究71-84
• 3.5.1 冗余度涂膠機器人動力學建模71-73
• 3.5.2 模糊自適應參數(shù)整定PD控制器設計73-81
• 3.5.3 冗余度涂膠機器人動力學仿真81-84
• 3.6 本章小結84-85
• 第4章 冗余度涂膠機器人自主軌跡規(guī)劃研究85-98
• 4.1 冗余度機器人工作空間求解86-87
• 4.2 冗余度機器人避障策略與算法87-90
• 4.2.1 梯度投影法87-88
• 4.2.2 基于雅可比轉置矩陣的避障算法88-90
• 4.3 仿真驗證90-96
• 4.4 本章小結96-98
• 第5章 冗余度涂膠機器人機器視覺關鍵技術研究98-117
• 5.1 基于活動輪廓模型的新型圖像分割算法100-102
• 5.1.1 傳統(tǒng)基于模型分割的算法的不足100-101
• 5.1.2 局部活動輪廓模型的建立101-102
• 5.2 基于立體視覺的輪廓優(yōu)化匹配算法102-110
• 5.2.1 立體匹配算法104-107
• 5.2.2 輪廓優(yōu)化匹配算法研究107-110
• 5.3 基于仿生機理的特定目標識別算法研究110-116
• 5.5 本章小結116-117
• 第6章 冗余度涂膠機器人關鍵技術的實驗與驗證117-137
• 6.1 冗余度涂膠機器人驗證實驗117-121
• 6.1.1 汽車前擋玻璃的涂膠試驗118-119
• 6.1.2 汽車大燈涂膠軌跡的對比實驗119-121
• 6.2 機器視覺關鍵技術的驗證實驗121-136
• 6.2.1 新型圖像分割算法實驗及結果分析121-122
• 6.2.2 輪廓優(yōu)化匹配算法實驗驗證122-128
• 6.2.3 特定目標識別實驗結果分析128-130
• 6.2.4 涂膠質量檢測130-136
• 6.3 本章小結136-137
• 結論與展望137-140
• 參考文獻140-147
• 攻讀博士學位期間發(fā)表的學術論文147-148
• 致謝148

  本文關鍵詞：冗余度涂膠機器人關鍵技術研究，由筆耕文化傳播整理發(fā)布。

本文編號：287613